limouren2000/llms-dev-study

小李的大模型应用开发学习路线，涵盖 RAG、Agent、面试八股与论文速读。

쉽게 말하면:

이 저장소는 대규모 언어 모델(LLM) 위에 애플리케이션을 구축하는 일자리를 얻고자 하는 사람들을 위한 개인적으로 선별된 학습 가이드입니다. 이는 ChatGPT와 같은 기술의 기반입니다. 저자의 명시된 목표는 가장 빠른 취업입니다. README에는 이 경로가 "빠른 취업"을 위해 설계되었으며 효율성과 수입 잠재력을 최우선으로 한다고 나와 있습니다.

내용:

저장소는 5개 섹션으로 나뉩니다:

0.LLM-Dev 학습 라우터 — "LLM 애플리케이션 개발자" 역할이 실제로 무엇인지, 일반 백엔드 개발자나 LLM 알고리즘 연구자와 어떻게 다른지, 초보자가 어떤 순서로 배워야 하는지 설명하는 개요. 핵심 요점: 이 직업은 백엔드 개발 기술 더하기 AI 애플리케이션 기술이며, 이 저장소는 AI 부분에 중점을 둡니다.
1.RAG — RAG(검색 증강 생성)에 대한 자료. 이는 LLM이 이미 알고 있는 것에만 의존하지 않고 먼저 지식 베이스에서 관련 텍스트를 가져와 질문에 답하도록 하는 기술입니다. 이 섹션은 4개 부분으로 구성됩니다:
- Bilibili(중국 동영상 사이트)의 초보자용 "크래시 코스" 동영상 2개, 현재 패키지 버전에서 실행되는 저자의 업데이트된 코드 포함. 원저자의 코드는 패키지가 오래되어 저자가 다시 실행하고 수정했습니다("note" 폴더로 표시). 빠른 이해에 권장.
- 공식 LangChain RAG 튜토리얼(llms-3): 저자는 면접에서 최적화 포인트를 물어보기 때문에 가장 중요한 부분이라고 강조합니다. 원본 영어 동영상과 중국어 번역을 모두 포함합니다.
- 공식 LangChain 샘플 RAG 프로젝트(llms-4)로, 즉시 실행할 수 있을 만큼 간단합니다. 저자의 수정 버전은 별도 저장소(chat-langchain-study)에 있습니다.
- 많은 부분이 Kaggle(무료 클라우드 컴퓨팅 플랫폼)에서 실행될 수 있으며, 저자는 Kaggle 무료 컴퓨팅 사용 가이드 링크를 제공합니다.
2.Agent — 에이전트에 대한 자료: 쿼리에 답하는 대신 LLM을 사용하여 단계를 계획하고 실행(도구 사용이나 검색 등)하는 프로그램. 이 부분도 4개 부분으로 구성됩니다:
- Bilibili 튜토리얼의 두 가지 간단한 데모 에이전트(AI_Agent 및 QW_Agent). QW_Agent는 Qwen(LLM 서비스) API 키 신청이 필요하며, 저자는 "함정"(어려움)이 있다고 언급하고 사전 수정된 코드를 제공합니다.
- Google + Kaggle의 5일 집중 과정(2025년 11월 10일~14일)으로, 에이전트 기초, 도구 및 MCP 상호운용성 표준, 컨텍스트 엔지니어링, 에이전트 품질, 프로토타입에서 프로덕션까지를 다룹니다. 각 날마다 코드, 공식 비디오 녹화, 백서가 있습니다.
- MCP(LLM이 외부 도구/서비스에 연결할 수 있게 하는 프로토콜)를 사용하여 빠르게 구축된 입문 수준 에이전트 프로젝트로, 별도 저장소 easy-mcp에 있습니다.
3.Interview — 면접 준비. 저자는 이를 "八股"(공식적인 지식 질문을 뜻하는 중국 속어)이라고 부릅니다. 취업 활동 중 수집한 두 개의 긴 노트가 포함되어 있습니다:
- RAG 지식 노트, 40,000자 이상의 중국어, 처리 흐름별로 구성.
- Agent 지식 노트, 10,000자 이상의 중국어, 모듈별로 구성.
- 저자는 이 노트들이 개인적으로 대기업에서 "시니어 AI 연구개발 엔지니어" 역할을 얻는 데 도움이 되었다고 주장합니다.
4.Paper-read — 연구 논문 읽기를 위한 도우미. Codex 스킬(OpenAI Codex 도구용 재사용 가능한 명령 세트) paper-read-brief를 제공하여 ML/DL/멀티모달/생성형 AI 논문을 간결한 중국어 읽기 노트로 압축합니다——핵심 아이디어, 방법, 주요 그림/표/수식, 실험 결론을 섹션별로 추출합니다. ReAct, Mem0, Graph of Thoughts, Tree of Thoughts 등의 논문에 대한 예제 노트가 포함되어 있습니다.

오래된 코드에 대한 저자의 경고:

README는 LangChain의 공식 패키지 버전 관리가 혼란스러워 일부 의존성이 이미 오래되었을 가능성이 있다고 명시적으로 경고합니다. 제안된 해결책은 실용적입니다: 오류 메시지와 관련 코드를 AI 코딩 어시스턴트(Codex, Claude Code, Cursor를 언급)에 붙여넣고 현재 의존성 버전에 맞게 코드를 조정하게 하는 것입니다.

온라인 버전 : 전체 가이드의 웹 페이지 버전은 limouren2000.github.io/llms-dev-study/에서 읽기 쉽게 제공됩니다.

결론:

이것은 LLM 애플리케이션 개발자가 되고자 하는 모든 사람을 위한, 동영상, 실행 가능한 코드, 면접 노트, 논문 읽기 보조 도구 등 취업 중심의 엄선된 학습 자료 모음이며, 빠른 진행과 탈선 방지를 강조합니다.